第 1 模块:这门课用到的 Python
可以重复的随机数
你以前学过这门课程吗?
这样我们只统计你一次。只会发送你的答案,以及你的匿名进度。
为什么重要 网络从随机权重开始,并且会打乱它们的数据。如果你没法精确地重复一次运行,你就分不清真正的改进和运气。
计算机的随机数来自一个从种子开始的配方。同样的种子,每次都得到同样的序列。
rng = np.random.default_rng(42)
rng.normal(size=3) # always the same three numbers for seed 42
种子:一个随机数生成器的起始数字。把它固定下来,就能让“随机”的结果可以重复。
在课程后面,你会用五个不同的种子训练同一个模型,看看结果单单因为运气会摇摆多少。
回顾 用一个种子做出你自己的生成器并把它传来传去,而不是依赖隐藏的全局随机性。
本课中的词语和符号
- 数组
- 一块 NumPy 数字,类型全都相同,能一次对每一项做数学运算
- 种子
- 一个随机生成器的起始数字;同样的种子给出同样的数字
- 均值、离散程度
- 平均值,以及各个值大致离它有多远(标准差)
轮到你了
编写 make_data(seed, n),它从 seed 构建它自己的生成器,并返回 n 个来自正态分布(均值 0,离散程度 1)的数字。同样的种子必须给出完全相同的数组;不同的种子必须不同。
本课已完成。干得好。
这个练习即将开放
完成它前面的那一课,这一课就会解锁。整门课程免费,无需账号,而且你现在就可以阅读这节课。
这个浏览器屏蔽了 learn.floati.life 的 Cookie,所以你在这里完成的课程无法按顺序打开。请允许这个网站使用 Cookie,然后重新加载。